모두의 코딩

본 강좌에서 여러분은 기초부터 실전까지 탄탄히 머신러닝 이론을 공부하고, 이를 실습하는 시간을 가집니다. 실질적으로 자신이 원하는 머신러닝 프로젝트를 스스로 만들어 볼 수 있는 능력을 기르는 것이 궁극적인 학습 목표입니다.

강의는 총 세 가지 파트로 나뉘어집니다.

▶ Part 1. 선형대수학

가장 먼저 선형대수학 파트에서는 인공지능을 공부하기 위해서 필수적인 기초 학문인 선형대수학에 대해서 공부하게 됩니다. 선형대수학 파트에서는 선형대수학의 개론적인 개념을 학습하게 되며 이러한 과정의 일환으로 선형시스템, 선형변환, 최소제곱법, 고유값, 특이값에 대한 개념을 학습하게 될 것입니다.

▶ Part 2. 머신러닝의 개요

선형대수학 지식을 갖춘 이후에는 본격적으로 머신러닝의 기초부터 심화적인 내용을 학습하게 됩니다. 이 때 머신러닝의 주요 개념인 비용의 개념, 선형회귀, 다변인 선형회귀, 로지스틱 회귀, 정규화, 신경망의 개요, 역전파의 개념, 비지도 학습 알고리즘, 차원 축소(Dimensionality Reduction), 이상 감지(Anomaly Detection), CNN, RNN, GAN 등의 머신러닝 이론에 대한 학습을 진행하게 될 것입니다. 실습을 함에 있어서는 파이썬(Python) 언어를 이용합니다.

▶ Part 3. 머신러닝 실전 프로젝트

마지막 파트에서는 실전 감각을 기를 수 있는 두 가지의 머신러닝 실전 프로젝트를 진행하게 됩니다. 기본적으로 웹을 활용하여, 실질적인 완성된 형태의 인공지능 서비스를 만들어 보는 것에 목표를 두고 있습니다.

1) CNN을 활용한 이미지 검색 서비스

2) 맞춤형 학생 강의 추천 서비스

< 커리큘럼 >

PART 1. 선형대수학

[선형시스템]

- 선형대수학의 개요

- 선형방정식

- 선형시스템

- 선형종속과 선형독립

- 선형변환

[최소제곱법]

- 최소제곱법의 개요

- 정규방정식

- 정투영법

- 그람-슈미트 직교화

[고유값]

- 고유값과 고유벡터

- 영공간

- 직교여공간

- 특성방정식

- 대각화

- 고유값의 분해

[특이값]

- 특이값의 개요

- 특이값의 분해

PART 2. 머신러닝의 개요

[머신러닝 개발환경 구축하기]

- 머신러닝의 개요

- 파이썬 설치

- 주피터 노트북 설치

- Numpy 라이브러리

- Matplotlib 라이브러리

- Pandas 라이브러리

- Mglearn 라이브러리

[지도 학습과 회귀]

- 선형회귀

- 비용 함수

- 다변인 선형회귀

- 정규화

[신경망 이론]

- 신경망의 개요

- 역전파

- 결정 함수

[비지도 학습]

- 비지도 학습의 개요

- 데이터의 전처리

- 차원 축소

- 특성 추출

- 이상 감지

[데이터 마이닝]

- K-Means 알고리즘

- DBSCAN 알고리즘

- 데이터 마이닝의 응용 사례

[응용 모델]

- CNN의 개요

- 최신 CNN 인공지능 모델

- RNN

- GAN

PART 3. 머신러닝 실전 프로젝트

[CNN을 활용한 이미지 검색 서비스]

[맞춤형 학생 강의 추천 서비스]